OMITTED VARIABLE BIAS AND DETECTION WITH RESET TEST IN REGRESSION ANALYSIS

Year 2012, Volume: 2 Issue: 1, 1 - 19, 21.05.2012

Suay Ereeş Suay Erees Neslihan Demirel

Abstract

In this paper, it is aimed to investigate the omitted variable bias, its importance, reasons, and consequences and to research the methods for dealing with omitted variable bias and RESET test which is a method for detecting omitted variable(s). A simulation was performed and three types of populations which varied depending on the correlations between the variables were generated and random samples were drawn from these populations. When correlations were changed and the number of omitted variables was increased, the effects of omitted variable bias were investigated. Moreover, by increasing the sample size, it was investigated whether the effects of omitted variable bias were changed depending on sample size

Keywords

Omitted variable bias, model specification error, RESET test

REGRESYON ANALİZİNDE DIŞLANAN DEĞİŞKEN YANLILIĞI VE YANLILIĞIN RESET TESTİ İLE TESPİTİ

Abstract

Bu çalışmada, dışlanan değişken yanlılığı, bu yanlılığın önemi, nedenleri ve sonuçları araştırılırken dışlanan değişken sorununu ortadan kaldırmak için kullanılan yöntemler incelenmiş ve ayrıca modelden dışlanan değişkenlerin varlığını saptamak üzere RESET testi kullanılmıştır. Bir benzetim çalışması yapılmıştır ve değişkenler arasındaki korelasyon değerlerine bağlı olarak değişen üç değişik tipte kitle türetilmiş ve bu kitlelerden rassal örneklemler çekilmiştir. Korelasyon değerleri değiştiğindevedışlanandeğişkensayısıarttığında dışlanan değişken yanlılığının ne gibi etkileri olduğu incelenmiştir. Ayrıca, örneklem ölçüsü arttırılarak dışlanan değişken yanlılığının örneklem ölçüsüne bağlı olarak değişip değişmediği de araştırılmıştır

Keywords

Dışlanan değişken yanlılığı, Model spesifikasyon hatası, RESET test

References

• Clements,M.P.andHendry, D.F. (2002). A companion to economic forecasting. Blackwell Publishing.
• Evans, M.K. (2002). Practical business forecasting. Wiley-Blackwell.
• Greene, W.H. (2003). Econometric analysis (5th ed.). Pearson Education, New Jersey.
• Godfrey, L.G. and Orme, C.D. (1994). The Sensitivity of some general checks to omitted variables in the linear model. International Economic Review 35(2), 489-506.
• Hanushek, E.A. and Jackson, J.E. (1977). Statistical methods for social scientists. Academic Press, Inc.
• Johnson, M.E. (1987). Multivariate Statistical Simulation. John Wiley and Sons.
• Kim, J. and Frees, E.W. (2006). Omitted variables in multilevel models. Psychometrika, 71(4) 659– 690.
• Leightner, J.E. and Inoue, T. (2007). Tackling the omitted variables problem without the strong assumptions of proxies. European Journal of Operational Research 178, 819–840.
• Leung,S.F.andYu,S.(2000).HoweffectivearetheRESET tests for omitted variables? Communications in Statistics-Theory and Methods 29(4), 879-902.
• Meyers, L.S., Gamst, G. and Guarino, A.J. (2006). Applied multivariate research: Design and interpretation (2nd ed.). Sage.
• Pagan, A.R. and Hall, A.D. (1983). Diagnostic Tests as Residual Analysis. Econometric Reviews 2, 159-218.
• Ramsey, J.B. (1969). Tests for the specification errors in classical linear least-squares regression analysis. Journal of the Royal Statistical Society. Series B (Methodological) 31(2), 350-371.
• Stock, J.H. and Watson, M.W. (2003). Introduction to econometrics. Pearson Education.
• Stoker, T.M. (1983). Omitted variable bias and cross section regression. Massachusetts Institute of Technology (MIT) Press.
• Theil, H. (1957). Specification errors and the estimation of economic relationships. Review of the International Statistical Institute 25, 41-51.
• Theil, H. (1971). Principles of econometrics. John Wiley and Sons, Amsterdam.
• Thursby, J.G. (1989). A Comparison of Several Specification Error Tests for a General Alternative. International Economic Review 30(1), 217-230.
• Williams, R. (2008). Specification error. Lecture Notes. http://www.nd.edu/~rwilliam/stats2/l41.pdf